学生的发展性评价 基于大数据的科学研究 26 云计算 • 云计算中的“云”主要用来强调计算泛 在性和分布性，实质上是分布式计算、 并行计算和网格计算等技术的发展。 • 将分布在各地的服务器群进行网联， 能够实现大规模计算能力、海量数据 处理和信息服务的需求。 27 云计算 创 新 • 学生通过电子书包 等终端随时随地享 受云端的各种学习 服务 云学习环境 • 保证学习数据的永 智慧课堂 1:1 学习 可视化 共享服务 Client Application Client Application Client Application PC 服务器 keyboard, mouse, display, network connect Client OS / App Image Client OS / App Image 应性。  虚拟桌面架构  通过分享应用环境，每个刀片 支持 50-100 个用户  需要用户适应新的桌面体验  终端服务  基于 1:1 理念，每位学习者拥有一台 PC 或者服务器  桌面超薄式设备  流操作形态和应用 Linux 或者 Windows 虚拟桌面架构 e: 用户可以拥有操作系统 低成本的弱功能客户机 Linux 或者 Windows 终端服务：

Atlas 及昇腾伙伴系列硬件 模组 / 小站 / 加速卡 / 服务器 / 集群 昇腾处理器 昇腾 310 系列 / 昇腾 910 系列 ... 应用使能 应用使能套件 / SDK AI 计算框架 PyTorch / TensorFlow / Caffe...... NV 系列硬件 模组 / 加速卡 / 服务器 / --> 集 群 NV 处理器 Ampere 系列 / Hopper 能 无损 RoCE 网络，每台推理服务器 8 个 200GE ROCE 光口 样本面 用于访问存储区的高速大带宽互联的存储系统，推荐部署为 RoCE 无损网络，每台推理服务器 2 个 25GE 光口 业务面 用于系统业务调度和管理。通常部署为 TCP/IP 有损网络，每台推力卡服务器 2 个 25GE 光口 带外管理 AI 服务器 BMC 管理，可选 业务面 CE6865E CE6865E 8*25GE 推理调度管理流量 400G RoCE 交换机 Leaf CE9860*2 台 Spine CE9860*2 台 参数面 推理读流量 AI 推理服务器（ Atlas 800I A2 ） 4 台 *8 口 *200GE 样本面（可选） CE9860 8*25GE 带外管理面（ BMC 管理可选） CE5882 4*GE DeepseekV3/R1

通道。 所有英特尔® 至强® 6 处理器都能随着服务器利用率的增加而提供可扩展的每瓦性能，在整个负载线路上提供近乎线性的功 耗-性能消耗，这凸显了所有英特尔® 至强® 6 处理器的高效性。对于性能要求苛刻的工作负载，这意味着平台在高负载下有 效地利用能耗，以帮助快速完成工作。 利用增强的安全功能跟上业务增长的步伐 在本地、边缘和云服务器上追求新的业务模式和数据共享，即使在处理敏感数据或受监管数据时也是如此。基于可信执行环 超级通道互联（Intel® Ultra Path Interconnect， 英特尔® UPI）2.0 的跨插槽内带宽速度高达 24 GT/s， 与上一代产品相比提升高达 20%。 • 双路服务器拥有多达 178 条 PCIe Gen 5 通道，单路服务 器则多达 136 条，可以支持重要的 I/O 附加组件，包括加 速器、网络适配器、存储控制器和存储。 • 多达 64 条 Compute 至强® 6900 系列 处理器 旗舰级 采用全新的英特尔® 服务器平 台设计，非常适合云计算、 AI、科学计算、软件即服务 (SaaS) 和基础设施即服务 (laaS) 等工作负载。 高端级 对现有的英特尔® 服务器平 台进行了大幅升级。面向企 业 IT、数字服务提供商和电 信的主流边缘协同服务器。 非常适合 AI、科学计算、网 络和媒体、数字服务、基础 设施和存储、Web、应用以

xmu.edu.cn/blog/5816/ 4.4 本地部署大模型方 案 DeepSeek R1 671B （满血版） 部署成本 1. 硬件采购成本 • 服务器集群 ：含 8 张 NVIDIA A100/H100 显卡的服务器 ， 市场价格约 80-120 万元 • 配套设备 ：液冷系统、 冗余电源等附加成本约 15-25 万元 2. 运维成本 • 电费 ：满载功耗约 6000W 开源项目迎来重大更新 ，成功打破大模型推 理算 力门槛。 此前 ，拥有 671B 参数的 MoE 架构大模型 DeepSeek-R1 在推理时困难重重。 推理服务 器常因高 负荷宕机 ， 专属版云服务器按 GPU 小时计费的高昂成本让中小团队无力承担 ， 而市面上的 “本地部署” 方案多为参数量大幅缩水的蒸馏版 ，在本地小规模硬件上运行满血版 DeepSeek-R1 被认 为几乎不可能 n 甚至有开发者借助这一优化技术 ，在 3090 显卡和 200GB 内存的配置下 ，使 Q2_K_XL 模型的推理速度达到 9.1 tokens/s ， 实现了千亿级模型的 “家庭化” 运行 传统方案： 8 卡 A100 服务器成本超百万元 ，按需计费每小时数千元 清华方案： 单卡 RTX 4090 方案 ，整机成本约 2 万元 ，功耗 80W 4.4 本地部署大模型方 案 5.1 AIGC 概述 5.2 文本类 AIGC

⚫ 数据提取：从实验报告 PDF 中自动整理温度数据表格 避坑指南：超过 50 页的长文档建议拆分处理，避免解析超时 3.常见问题速查 Q1：为什么联网搜索时断时续？ 原因：服务器负载过高或网络波动 解决方案：避开晚高峰使用，或切换至深度思考模式本地处理 Q2：如何导出对话记录？ 操作路径：网页版/APP 端点击对话历史→右键选择“导出为 Markdown”